诊断自闭症可能只需要进行十分钟的脑扫描。英国精神病研究院的克里斯汀·埃克(Christine Ecker)开发了一种软件来确定自闭症的解剖学特征。 核磁共振扫描诊断自闭症的过程不像拍x光片看骨折那么容易,一下子就能看出伤情。即使现在我们对大脑的了解甚至可以达到“科学读心术”的水平,但是在它不正常时,我们却一直没有特别有效的技术手段来确诊精神疾病,一般都是通过对症状分析后做出的判断。而这个资讯中提到了一个新的技术,叫支持向量机(Support Vector Machine,SVM)。神经认知科学松鼠悠扬说,SVM的方法现在是fMRI的一个热门,在各方面都得到广泛应用。这种方式可以发掘出数据之间的更多联系,比之前简单地比较“激活”或者“没激活”的两组数据更有用。 SVM是神马机器?唔,其实它不是个机器,用数学松鼠fwjmath的说法,现在很流行一种研究模式:收集大量的数据,然后用人工智能中发展的算法来处理这些数据,尝试从中提取出有用的东西。SVM即是基于此建立的用来监督学习的人工智能分类器。顾名思义,分类器是给东西分类的,SVM可以把东西分成两类。最厉害的是它有“监督学习”能力,这样只要给SVM一堆已经分好类的数据,它就自行归纳出分类方法,把其他数据也照着分类了。有研究发现婴儿时期看到的面孔少,长大得脸盲的可能性就大,也许就是因为人脑中也有个类似监督学习分类机的装置。婴儿时期存储的原始数据不够多,给以后数据分析造成了麻烦。 fwjmath说,那些我们能拥有大量数据,但内部机理仍然不清楚的问题,比如说心理学啊基因啊,都可以采用这种研究模式。但问题在于,尽管这样有机会得到比较有效的模型,但对弄清楚问题的内部机理帮助不大,也就是诊断自闭症还可以,要想弄清楚自闭症的病根,从人工智能算法上还是看不出来的。 神经生物学松鼠anpopo也同意,自闭症不是由单一的化学物或者特定脑区的损伤造成的,所以我们去医院看病,医生会抽血啊拍片啊,把疑似症状一项项排除,最后根据化学物质的成分或者解剖结构的异常来判断是什么病,这些方法对自闭症都不管用。利用机器学习的方法间接诊断也属于另辟蹊径的办法。 悠扬推荐的著名神经认知博客neuroskeptic(需翻墙)上的一篇文章也专门介绍了这个研究。就临床诊断来说,如果一个不能确诊的病人经过SVM分析之后,显示他得了自闭症的可能性非常大,那么对于这个病例来说,SVM就可以作为患病的确凿证据。但是,如果用了SVM分析之后,得到的结果仍然是不能确诊,那么对于这种病例来说,仍然是缺乏有效办法的。值得注意的是,SVM的判断结果和自闭症患者的社会交往和沟通症状相关最大,这更说明用SVM方法进行的判断能够与表面症状紧密相关。另外比较重要的一点在于SVM能否区分自闭症患者和其他精神疾病?事实已经证明SVM可以区分自闭症和多动症(ADHD)病人的大脑,虽然还需要有和其他病人比较的结果做为证据,但这已经又进一步的支持了SVM能够提供一个针对自闭症患者的诊断标准。 (责任编辑:glia) |